感谢【呼呼】同学分享的“BraTS2017数据集的迁移学习+深度学习提取特征+机器学习”
迁移学习
一、迁移学习（把之前对Medicalnet的迁移学习内容跑了一遍，用的BraTS2017的数据集） 1、下载Med3D源码，完成基础运行环境配置 （1）https://github.com/Tencent/MedicalNet，把pretrain的部分（包含data，pretrian、trails三个文件）一起下载下来，都放在MedicalNet_master的文件夹里； （2）从pycharm中打开MedicalNet_master，在settings的解释器部分选择python；
2、跑通Demo和训练模型 （1）在Ternimal中激活onekey：conda activate onekey； （2）运行模型：python train.py --gpu_id 0（#GPU=1） （3）因为onekey和MedicalNet_master中都有dataset和utils，所以要纠正2个moduleNotFoundError，将MedicalNet_master中的重命名为dataset_med和utils_med，同时在train.py中进行相应修改；
（4）报错：
解决：调小图片尺寸（类似对半砍）或者把resnet50换（默认）成resnet34，我两种都试了，调小尺寸稍微快一点
（5）完成训练
3、BraTS数据适配 （1）下载数据集（下载不下来的童鞋可以请董老师发一下百度云链接）； （2）需要形成与MRBrainS18一样的三个文件，imges,labels和train.txt，BraTS数据中有imagesTr和labelsTr，需要自己新建train.txt，我用Excel下拉后在粘贴出来的，这样出来的中间的分割符号都是\t，brains18.py里默认的分割符号是空格，可以将所有\t替换为空格，或者将brains18.py里默认的分割符号修改为\t。
（我这里出了一个assertionerror，找了好久原因，发现路径写错了，开始train.txt里写的是/imagesTr/BRATS_004.nii.gz，没有加‘点’）
或者将BraTS中的dataset.jason转为txt格式，附上张老师的代码；
（3）将imagesTr、labelsTr和train.txt替换进MedicalNet_master的Data文件里，再次运行python train.py --gpu_id 0 （4）中间会出现一个张老师讲的报错
用np.max选取一个维度
我这边就可以跑通了，没有出现图像读取错误
深度学习提取特征
即将模型的中间一层特征提取出来，一般提取最后一层特征 1、找到模型文件resnet.py，在forword中return最后一层的特征（分割模块之前）。如图将第四层特征命名为feature（红框）。并在return中返回来，但由于提取的特征维度太大，返回时进行max_pooling降维，保留最大池化（蓝框）。
2、在train.py中把特征接住，如下↓
3、将feature和相应的样本名称打出来，样本名称需要在brains18.py的getitem中return，然后在train.py的data_loader循环这里承接住，这样就可以将两者都打出来（蓝框）
4、打印出的特征都是在GPU环境中的，需要转到CPU（红框），并且将数据储存在文件当中（蓝框）。黄框表示将feature转换为n多个数据去表示
5、再次运行模型，就可以将深度学习的特征提取到features.txt里了。 6、因为边训练边保存，保存出来的特征会超过样本个数，只保存后面的epoch的数据就可以，或者把训练的部分注释掉。（我运行的时候没听懂这段话，就保存了好多下来，文件太大了不晓得咋删除，就没再修改，直接去机器学习了）
机器学习
三、机器学习（用乳腺癌的jupyter，方法同前，只贴一下变化的地方） 1.数据读取
2、数据准备（此处感谢诗文）：添加了一个随机的诊断
3、因为数据太大，运行不出来，做了个降维X_data = compress_feature(X_data, dim=50)
4、其他的都跟之前差不多
【呼呼】同学从完完全全的零基础用一个月的时间走到这一步真的很不容易，付出了很大的努力，跑通之后的果实还是很甘甜的，同学加油，期待你下一步的成果。